營養信息傳播者在新浪微博上的影響力及關系網絡實證研究

劉京京 于元元 邱嵐 王一濤

【摘要】為了解營養信息傳播者在新浪微博上的信息網絡及傳播特征，促進高質量營養信息的傳播，收集新浪微博上7類營養信息傳播者的資料，進行社會網絡分析。結果顯示，政府、傳媒用戶對營養信息傳播者網絡外部的用戶有著較強的影響力。但在網絡內部，部分學者、營養師和傳媒用戶是主要的傳播者，并且相互聯系緊密。傳媒用戶應通過轉發，把學者、醫院、營養師用戶的高質量營養信息向公眾大范圍擴散，并促進政府用戶對此類信息的二次轉發。

【關鍵詞】 微博 營養信息傳播者 社會網絡分析 中心度

1 引言

營養信息是介紹營養知識的信息。營養信息傳播是制作、傳遞、分散和分享營養信息的過程[1]，是改善公眾營養狀況、促進公眾健康的重要手段之一。隨著中國居民健康需求的日益提升，營養信息越來越受到關注。繼電視、書籍等傳統媒介之后，微博等新興媒體也成了營養信息傳播的重要“戰場”。

微博（Microblogging）是用戶發布精短信息（不多于140個字符）供其他網友共享的即時信息平臺。由于微博凝聚了“點對面”的即時傳播、構建在社會關系網絡上的“裂變式”傳播和基于信任關系資源的內容傳播這三種強有力的傳播機制[2]，因此其產生了巨大的社會影響，亦迅速得到了網民的青睞。截至2012年6月底，中國網民中微博用戶的比例已經過半，達到2.7億[3]。

然而，微博在降低了信息發布門檻、凸顯了草根性與平民化[4]的同時，也增加了信息質量的不確定性。當信息涉及到營養學、醫藥學等專業知識時，尤其如此。齊娜和宋立榮[5]的一項研究顯示，新浪微博上轉發量較大的18條醫療健康信息中，有50%是與食療、營養主題相關的。然而，6名醫學專家對這18條信息的認同率僅為25%，其中更有6條食療、營養相關信息的認同率為0。因此，如何使得微博上的營養信息傳播者良好地互動，形成合力，使高質量的營養信息迅速、廣泛地傳播，至關重要。筆者將從社會網絡分析（social network analysis， SNA）的視角來尋找上述問題的答案。

社會網絡，即個體以及個體之間關系的集合，是描述社會群體結構的一種方式。在社會網絡分析的視角下，“關系”象征著資源在個體行動者之間的流動或轉移；個體行動者并不是完全獨立的，而是互相影響的，網絡結構會給予其行動的機會或者限制[6]。

由“關注”與“粉絲（被關注）”關系聯結起來的微博用戶群以及由“好友”關系聯結起來的社交網站用戶群，便可被視為社會網絡。例如，田占偉和隋玚[7]構建了新浪微博“名人堂”用戶之間的信息傳播網絡，并運用復雜網絡理論方法對其進行了分析。宋恩梅和左慧慧[8]選取了50名“時尚”標簽下的新浪微博用戶，構建了“相互關注”網絡與“共同關注”網絡，并比較了其差異。Feng Fu[9]等研究了校內網（現更名為“人人網”），認為其具有“小世界”、“無標度自由網絡”的特性。然而，目前尚無人利用社會網絡分析的方法，對營養信息傳播者這一特殊群體進行研究。

2 研究對象與方法

2.1 研究對象

經過新浪微博實名認證的用戶，具有較高的可信度及關注度，是微博用戶中的精英群體。本研究首先根據實名認證用戶的介紹，將發表營養相關信息的用戶分為7類，分別是：

● 政府：新浪微博實名認證的前任、現任官員，政府所主導的項目。

● 學者：新浪微博實名認證的院士、大專院校的教師、研究機構的研究人員。

● 醫院：新浪微博實名認證的醫院營養科或營養科醫師。

● 營養師：新浪微博實名認證的營養師。

● 傳媒：新浪微博實名認證的媒體、媒體人，致力于科普、健康教育的人士。

● 其他認證：其他新浪微博實名認證的、與營養信息相關的用戶，如培訓機構、商業組織。

● 未認證：未經新浪微博實名認證的、與營養信息相關的用戶。

這7類用戶中，既包括掌握相對高質量信息的學者、醫院、營養師，又包括以發布綜合性信息為主的政府、傳媒，還包括信息質量不確定的未認證用戶，以求涵蓋盡量多種類的營養信息傳播者。在各類用戶中，各選取截至2012年8月31日24：00時粉絲數最多的10人，共70人為研究對象。

2.2 研究方法

收集70名研究對象的粉絲數、微博發布數、三天微博被轉發數（2012年9月1日至9月3日）以及70名研究對象之間的關注與被關注信息。70名研究對象可構建成網絡N。網絡N可表示成如下矩陣：

其中，xi，j=1表示營養信息會從用戶i流向用戶j，也即用戶j關注用戶i；xi，j=0則表示用戶j不關注用戶i；當i=j時，xi，j=0。

利用軟件SPSS 17.0 進行統計學分析。利用軟件Ucinet 6.0 計算網絡N的密度、度數中心度、中間中心度等各參數，并進行中間人分析和凝聚子群分析。

3 研究結果與分析

3.1 影響力分析

3.1.1 影響力指標的篩選

通常認為，微博用戶的粉絲數越多，信息便會被越多人看到，影響力也越大[10]。因此，早期的研究者多直接以粉絲數作為影響力的評價指標。但亦有文獻指出，信息的被轉發數也是重要的指標，且與粉絲數相關性很低[11]。不過，也有研究顯示，微博用戶的粉絲數與被評論數、被轉發數均存在相關性[12]。

在本研究中，Pearson相關性檢驗的結果顯示，70位研究對象的粉絲數與三天微博被轉發數相關性不顯著（r=0.193，p=0.281）。因此，本研究選取粉絲數和三天微博被轉發數作為影響力的評價指標。

此外，Pearson相關性檢驗還發現，用戶的微博數與其粉絲數（r=0.330，p=0.005）和三天微博被轉發數（r=0.613，p=0.000）均存在顯著相關性。這提示，增加微博信息發布量，可能是增加被關注度和被轉發數的重要手段。

3.1.2 用戶類別與影響力的關系

ANOVA分析結果顯示，不同類別研究對象之間的粉絲數（p=0.000）、三天微博被轉發數（p=0.000）均存在顯著性差異。

在粉絲數影響力方面，政府用戶顯著高于傳媒用戶；政府、傳媒兩類用戶顯著高于其他5類；其他5類用戶之間差異不顯著。粉絲數前10名的用戶中，包括6名政府用戶、2名傳媒用戶、1名其他認證用戶和1名未認證用戶。而在最后10名中，卻有2名學者用戶、6名醫院用戶和2名營養師用戶。可見，掌握相對較高質量營養信息的學者、醫院、營養師用戶的粉絲數并不理想。

三天微博被轉發數的情況略有不同。傳媒用戶顯著高于其他，其他6類用戶之間無顯著性差異。前10名中，包括6名傳媒用戶、2名官員用戶、1名學者用戶和1個營養師用戶。最后10名中，則包括了6名未認證用戶、3名其他認證用戶和1名傳媒用戶。

可見，傳媒用戶同時擁有較強的粉絲影響力和轉發影響力，在新浪微博上具有不可忽視的影響力。與此同時，政府用戶受到眾多用戶的廣為關注，可能是基于其特殊身份，但不一定認可其所發布信息。

3.2 營養信息傳播者網絡分析

3.2.1 網絡特征

如果把每個研究對象視為一個“點”，兩個研究對象之間的關系用線段表示，箭頭指向為信息流動的方向，則網絡N的可視化圖像如下：

可見，有54名研究對象聯結在一起。還有6名研究對象（包括2名醫院用戶、1名其他認證用戶、1名傳媒用戶、2名未認證用戶）孤立存在，未與其他研究對象聯結。

密度（density），即網絡中實際存在的連線數與最大可能連線數的比例，是衡量網絡緊密程度的最常用指標[13]。在本研究的有向網絡N中，密度的計算公式如下：

其中，L為實際存在的連線（關系）數893，N為點（研究對象）數70。計算結果顯示，網絡N的密度為0.1849。與新浪微博“名人堂”用戶網絡（密度0.0031）[7]相比，網絡N中各點的聯系更加緊密。這表明，由于存在著“營養”這個共同關注的話題，營養信息傳播者的凝聚性更強。

如果把7類研究對象分別構建成7個子網絡，并分別計算其密度，則有D營養師（0.7667）>D學者（0.7000）>D傳媒（0.4111）>D政府（0.3222）>D醫院（0.0778）>D其他認證（0.0444）=D未認證（0.0444）。可見，雖然學者、營養師用戶的公眾影響力弱于政府、傳媒用戶，但其聯系較為緊密，形成了一定程度的共同體，其對比如圖2、圖3所示：

3.2.2 度數中心性分析

中心性是社會網絡分析的重點之一，用于量化分析網絡中各行動者的權力。度數中心度（degree centrality）代表每個點與多少個其他點直接相連。一個點的度數中心度越大，該點越處于中心地位。點xi的度數中心度的標準化計算公式為：

其中，d（xi）等于與點i直接相連的點數。由于本研究中，每個研究對象既可能是信息的發布者，也可能是信息的接收者，因此分別計算其信息發布中心度和信息接收中心度。計算結果顯示，不同類別用戶的信息發布中心度（p=0.000）和信息接收中心度（p=0.000）均有顯著性差異。其前10名用戶如表1、表2所示：

其中，Cmax是各點度數中心度的最大值。度數中心勢越大，網絡的權力越集中。計算結果顯示，網絡N的信息發布中心勢為43%，信息接收中心勢為40%，表明信息發布和接收的權力都比較集中，信息發布的集中趨勢略大于接收。

3.2.3 信息中轉者分析

在信息傳播網絡中，發布者固然重要，但如果通路不暢，信息最終也難以到達目標受眾。因此，控制著兩點間信息通路的中轉者，就像橋梁一樣，也有著不容忽視的權力[14]。衡量網絡中各點橋梁作用的指標是中間中心度（betweenness centrality）。在有向網絡中，點xi的中間中心度的標準化計算公式如下：

2名學者用戶（“陳君石院士”、“馬冠生”）、3名營養師用戶（“營養師顧中一”、“王旭峰營養師”、“鄭育龍營養師”）和1名傳媒用戶（“健康時報”）由于具有較高的度數中心度，收發信息較多，因此有較高的中間中心度。值得關注的是，學者用戶（Heli營養）雖然度數中心度并不出眾，但由于其處于重要的信息通路上（例如聯結了用戶“國家營養師”、“美食、營養、健康”與其他用戶），因此也是重要的信息中轉者。

3.2.4 中間人分析

為進一步探查信息中轉者的角色，本研究進行了中間人分析。中間人是指在不同的群體中處于中間位置的人[13]。其類型主要有5種，見圖4，一個圓形的范圍代表一個群體，黑點分別代表協調員、顧問、守門員、代理人和聯絡員。

以研究對象的7個類別作為7個群體，通過Ucinet軟件識別研究對象的中間人角色。“營養師顧中一”（營養師類）兼具5種中間人的角色，在7類用戶之間的信息傳遞中都起到了關鍵作用。“陳君石院士”（學者類）在政府、學者、傳媒3類用戶之中起到了重要的溝通作用；“馬冠生”（學者類）、“王旭峰營養師” （營養師類）、“鄭育龍營養師” （營養師類）則是在學者、營養師、傳媒3類用戶之中起到了重要的溝通作用。“新浪健康”（傳媒類）是政府用戶接收信息的重要通路。“健康時報”（傳媒類）是將醫院用戶信息向外擴散的重要通路。“張召鋒-營養”（學者類）作為代理人，將信息從學者傳遞給營養師。

3.2.5 凝聚子群分析

凝聚子群是指社會網絡中“彼此之間關系相對較強、直接、緊密、頻繁或積極的行動者子集”[6]。子群的成員之間往往有著明確的認同感[15]。

k-叢是凝聚子群的常見類型之一。其定義是：在一個成員數為n的k-叢中，每個點的度數都不小于n-k。通過Ucinet計算得出，當n=13，k=1時，網絡N有9個1-叢。有20個研究對象名列其中，其中參與凝聚子群數不少于5個的研究對象如下：

可見，上述研究對象在網絡N中相互聯系較為緊密。其中，2名傳媒用戶擁有較高的三天轉發影響力；“陳君石院士”、“馬冠生”、“王旭峰營養師”、“營養師顧中一”、“鄭育龍營養師”則具有較高的度數中心度和中間中心度，是重要的信息發布者和中轉站。上述12個用戶可以說是網絡N的“核心力量”。

4 討論 。

營養信息傳播者網絡在新浪微博上呈現出“內外有別”的特征。對外，也即對整個新浪微博而言，政府用戶有著最強的粉絲影響力。然而，對內，也即在營養信息傳播者內部，卻是幾位學者、營養師用戶占據著重要角色，影響著網絡中的信息發布與傳遞。這意味著，在現階段，單靠學者、醫院、營養師用戶，難以大范圍地向公眾傳遞營養信息。但如能借助政府用戶的轉發，則可能造成更大的影響力。

不過，當前政府用戶對于學者、醫院、營養師用戶的關注普遍不足，10名政府用戶對10名學者用戶僅形成了13次關注，對醫院和營養師用戶則關注更少。這需要政府用戶加強對高質量營養信息來源的關注。但鑒于政府用戶身份特殊，這一點可能在短時間內難以達到。因此，當前需要傳媒用戶的深度合作。

傳媒用戶在微博信息傳播網絡中起到核心作用[7]，不僅具有最高的三天轉發影響力，亦在網絡內部的信息傳遞中作用突出。這意味著，傳媒用戶承擔著三重使命：①通過采訪專家等方式，自行向公眾發布營養信息；②通過轉發，把學者、醫院、營養師用戶的高質量營養信息向公眾大范圍擴散；③通過轉發，把信息傳遞給政府用戶，推動政府用戶的二次轉發，實現更大規模的擴散。

當然，傳媒用戶自身仍有需要加強之處。例如，具有較高影響力的、發布營養信息的傳媒用戶數量仍較少；除“陳君石院士”、“馬冠生”、“王旭峰營養師”、“營養師顧中一”、“鄭育龍營養師”等少數最知名的用戶之外，其他學者、醫院、營養師用戶受傳媒用戶的關注度仍不夠。

與此同時，學者、醫院、營養師用戶亦應進一步提升營養信息的質與量，爭取公眾的關注。例如，未能進入本次研究的學者用戶“陳裕明-營養學教授”、“葛可佑”都可作為高質量營養信息的來源，但目前受到的關注仍較低。又例如，醫院用戶擁有豐富的臨床經驗和臨床數據，本應能發布大量有價值的營養信息，但目前醫院用戶的粉絲數、微博數、轉發數排名均普遍靠后，未免可惜。

此外，新浪微博上的其他認證、未認證用戶也在發布營養信息，但部分用戶的信息質量難以得到保證。例如，研究對象中的一位其他認證用戶，其觀點頗有可爭議之處，但粉絲數卻超過80萬，在新浪微博上有相當的影響力。這就要求在營養信息傳播者網絡內部，政府、學者、醫院、營養師、傳媒用戶亦應加強對其他認證、未認證用戶的關注，若發現其發布含有較大爭議的信息，應及時通過轉發、評論等方式警示廣大微博用戶。

5 結論

營養信息傳播者網絡在新浪微博上呈現出“內外有別”的特征。政府、傳媒用戶對整個新浪微博有著較強的影響力。但在營養信息傳播者內部，部分學者、營養師和傳媒用戶是主要的信息發布者、中轉者和接收者，并且相互聯系緊密，形成了凝聚子群，影響著網絡的信息流動。

學者、醫院、營養師用戶應進一步提升營養信息的質與量；傳媒用戶應通過轉發，把高質量營養信息向公眾大范圍擴散，并促進政府用戶的二次轉發。此外，對其他認證、未認證用戶發布的營養信息的監督，也十分重要。

[參考文獻]

[1] 趙麗云.信息傳播理論在營養教育項目中的應用[J].中國食物與營養，2005（10）：40-41.

[2] 喻國明.微博影響力發生的技術關鍵與社會機理[J].新聞與寫作，2011（10）：64-66.

[3] 中國互聯網信息中心.2012年中國網民搜索行為研究報告[EB/OL].[2012-09-06].http：//www.cnnic.cn /hlwfzyj/hlwxzbg/ssbg/201209/P020120904438285391543.pdf.

[4] 孫衛華，張慶永.微博客傳播形態解析[J].傳媒觀察，2008（10）：51-52.

[5] 齊娜，宋立榮.醫療健康領域微博信息傳播中的信息質量問題[J].科技導報，2012，30（17）：60-65.

[6] Wasserman S， Faust K. Social network analysis： Methods and applications[M]. Cambridge： Cambridge University Press， 1994：4-5，249.

[7] 田占偉，隋玚.基于復雜網絡理論的微博信息傳播實證分析[J].圖書情報工作，2012，56（8）：42-46.

[8] 宋恩梅，左慧慧.新浪微博中的“權威”與“人氣”：以社會網絡分析為方法[J].圖書情報知識，2012（3）：43-54.

[9] Fu Feng， Chen Xiaojie， Liu Lianghuan， et al. Social dilemmas in an online social network： The structure and

evolution of cooperation[J]. Physics Letters A， 2007，371（1-2）： 58–64.

[10] 郁曉華，祝智庭.微博的社會網絡及其教育應用研究[J].現代教育技術，2010，20（12）：97-101.

[11] 郭浩，陸余良，王宇，等.基于信息傳播的微博用戶影響力度量[J].山東大學學報（理學版），2012，47（5）： 78-83.

[12] 袁毅，楊成明.微博客用戶信息交流過程中形成的不同社會網絡及其關系實證研究[J].圖書情報工作，2011， 55（12）：31-35.

[13] 劉軍.社會網絡分析導論[M].北京：社會科學文獻出版社，2004：165-205.

[14] Freeman L C. Centrality in social networks： Conceptual clarification[J]. Social Networks， 1979， 1（3）：215-239.

[15] 林聚任.社會網絡分析：理論、方法與應用[M]. 北京：北京師范大學出版社，2009：129.